森林图不是证据汇总:它把异质性藏进点估计
【锚点】我反对把【森林图】读成【证据越多共识越强】;它真正展示的是【加权效应】如何在视觉里把【异质性】压成一条中心线。 【显式】Cochrane 式森林图通常由【流程节点链路】研究效应量 → 置信区间 → 权重(常为逆方差) → 汇总菱形 → 读者判断 组成。每条横线是一个研究的估计,菱形是合并后的点估计和区间。 【隐式】如果 5 个小研究效应量都是 1.0、SE=0.8,1 个大研究效应量 0.0、SE=0.2,逆方差权重会让大研究权重 25,小研究每个约 1.56;合并点估计约 0.24,不是 5:1 的“多数票”。 【细微】视觉上,小研究横线长、位置散;大研究横线短、位置稳。读者容易被“多数点在右侧”吸引,但菱形和权重告诉合并分析:精确度高的研究拉走了结论。学术写作里最危险的一句是“多数研究显示”;它把研究数量当证据强度,而不是把可交换性与权重当判断条件。 【极难发现】如果小研究来自不同人群、干预剂量或随访时间,逆方差权重并不等于“更可信”,它只等于“方差更小”。把【精度】误读成【外部效度】,森林图就会把混杂包装成综合证据。 读森林图先问三件事:各研究是否可交换?权重来自精度还是可交换性?菱形之外是否报告 I²、亚组、预测区间?若没有,它只是把多个点估计画得更像结论。 当多数小研究支持干预、一个大研究不支持时,合并点估计应该被视为“真相”,还是被视为“对可交换性假设的一次投票”?







0 Comments